ModelSFC-Locoformer: Adaptacyjna kompresja widma i granice dialogu dla 11,8 dB DnR
Intensywna lektura pracy dyplomowej / separacja dźwięku filmowego i telewizyjnego
Przeczytaj artykuł
ModelBoogu-Image 0.1: Podział pracy i ryzyka zniekształceń pomiędzy trzema wagami Base, Turbo i Edit
Anatomia modelu/Generowanie i edycja obrazu
Przeczytaj artykuł
ModelSenseNova-U1 Infografika V2: 50,3-punktowy zakres oceny i granice infografiki
Specjalne generowanie modeli/infografik
Przeczytaj artykuł
ModelLongCat-AudioDiT 3.5B: Zapisz warunki głośników w transformatorze dyfuzyjnym audio
Intensywne czytanie artykułu / Klonowanie głosu z próbką zerową
Przeczytaj artykuł
ModelAudioSep-Hive: Oddziel dowolne dźwięki za pomocą zapytania tekstowego
Separacja dźwięku / uwagi techniczne
Przeczytaj artykuł
ModelBandIt i TIGER-DnR: Bitwa o obliczenie przydziału separacji trzech ścieżek dla filmu i telewizji
Dźwięk filmowy i telewizyjny / DnR
Przeczytaj artykuł
ModelMossFormer2 i mowa TIGERa: trzy podziały zadań w interfejsie głosowym
Porównanie interfejsu/technologii Voice
Przeczytaj artykuł
ModelSpecjalistyczny dźwięk do MIDI: pięć modeli, pięć różnych arkuszy egzaminacyjnych F1
Te modele mają publiczne wagi, integrację jako narzędzie lub profile TelkNet, jednoznaczny wybór wersji i niezmienne definicje runtime. Status Admin steruje widocznością i przyjmowaniem zadań; aktywacja wymaga E2–E4, a trasa domyślna dodatkowo E5.
Przeczytaj artykuł
ModelMuScriptor-large: rzeczywisty pomiar i granice 1,366 miliarda parametrów, kompletny miks do wielościeżkowego MIDI
Automatyczna transkrypcja muzyki
Przeczytaj artykuł
ModelQwen-Image, Z-Image i FLUX.2 [klein]: Różnice pomiędzy trzema otwartymi ścieżkami obrazu
Otwórz przegląd modelu/technologii obrazu
Przeczytaj artykuł
ModelBiRefNet, Moebius, VOSR i DColor: Cztery problemy odwrotne, cztery sposoby niepowodzenia
Przywrócenie obrazu / porównanie modeli specjalnych
Przeczytaj artykuł
Modeldots.tts: ciągłe utajone zmienne akustyczne, dopasowanie przepływu i mowa dalekiego zasięgu 48 kHz
Synteza mowy / Intensywne czytanie artykułów
Przeczytaj artykuł
ModelSoulX-Singer i YingMusic-Singer-Plus: zapis nutowy i odniesienie do melodii, dwie ścieżki syntezy głosu śpiewu
Synteza śpiewu / porównanie tras
Przeczytaj artykuł
ModelHQ-SVC i YingMusic-SVC: demontaż treści, F0, energii i barwy konwersji głosu śpiewającego
Konwersja głosu / porównanie technologii
Przeczytaj artykuł
ModelPokonaj to!: Śledzenie beatów bez zakończenia DBN
Wyszukiwanie informacji muzycznych / interpretacja dokumentów
Przeczytaj artykuł
ModelModel saksofonu Demucs v3: 14,22 dB i wąskopasmowy A/B
Podział instrumentów/Uwagi techniczne
Przeczytaj artykuł
ModelQwen3-TTS, Fish S2 Pro, MOSS-TTS i VoxCPM2: cztery interfejsy warunkujące głos
Synteza mowy / porównanie modelu otwartego
Przeczytaj artykuł
ModelVevo2: Reorganizacja śpiewu oparta na trzech warunkach: treści, barwie i rytmie.
Synteza śpiewu/notatki techniczne
Przeczytaj artykuł
ModelSeparacja audio na cztery stemsy: dlaczego Huge-SCNet pasuje do celu MSS
Aktualne narzędzie TelkNet do czterech stemsów używa Huge-SCNet-4stems V1.2, aby podzielić pełny miks na wokal, perkusję, bas i pozostałe. Artykuł wyjaśnia wybór przez historię MSS, mocne strony i ograniczenia Mel-Band RoFormer, modelowanie subband SCNet oraz publiczne wyniki.
Przeczytaj artykuł
ModelKrea 2: Krea AI publikuje wagi Raw i Turbo do generowania obrazów
Krea AI opublikowała Krea 2 Raw i Krea 2 Turbo jako open weights. Raport techniczny opisuje Krea 2 jako model dyfuzyjny text-to-image 12B trenowany od zera i omawia filtrowanie danych, pipeline captionów, post-training, reinforcement learning oraz granice bezpieczeństwa i licencji.
Przeczytaj artykuł
ModelChordEdit: niskoenergetyczny transport one-step dla edycji source-to-target
ChordEdit to paper CVPR 2026 Oral / Best Student Paper Honorable Mention. Opisuje tekstową edycję obrazu w jednym kroku jako dynamiczny problem optymalnego transportu między source prompt i target prompt, a następnie używa Chord Control Field, by ograniczyć wysokoenergetyczny dryf zniekształcający obiekty i tła. Artykuł mapuje metodę na powierzchnię edycji z parametrami source_prompt, target_prompt, seed, sample count, time-window i step-scale z oficjalnej demo.
Przeczytaj artykuł
ModelZyphra ZONOS2: otwarty TTS MoE do wysokiej jakości klonowania głosu
Zyphra udostępnia ZONOS2 na Apache-2.0: 8B parametrów łącznie, ok. 900M aktywnych w MoE TTS i ponad 6M godzin mowy. TelkNet przedstawia go jako narzędzie ZONOS2 Voice Cloning TTS.
Przeczytaj artykuł
ModelGoogle Magenta RealTime 2: gdy model muzyczny staje się grywalnym instrumentem
Zaktualizowany briefing z oficjalnymi grafikami Google o niskiej latencji, sterowaniu MIDI/tekstem/audio, strukturze 2.4B/230M, sprzęcie i limitach MRT2.
Przeczytaj artykuł